論文の概要: Parallel nonlinear neuromorphic computing with temporal encoding
- arxiv url: http://arxiv.org/abs/2506.17261v1
- Date: Mon, 09 Jun 2025 14:55:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-29 09:28:14.833787
- Title: Parallel nonlinear neuromorphic computing with temporal encoding
- Title（参考訳）: 時間符号化を用いた並列非線形ニューロモルフィック計算
- Authors: Guangfeng You, Chao Qian, Hongsheng Chen,
- Abstract要約: 多次元チャネルにおける情報状態の任意の重ね合わせを可能にする並列非線形ニューロモルフィックプロセッサを提案する。
我々の研究は、複雑なシナリオに適した、時間的に調節された様々なニューロモルフィックプロセッサのための柔軟な道を開く。
- 参考スコア（独自算出の注目度）: 21.331015748341137
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The proliferation of deep learning applications has intensified the demand for electronic hardware with low energy consumption and fast computing speed. Neuromorphic photonics have emerged as a viable alternative to directly process high-throughput information at the physical space. However, the simultaneous attainment of high linear and nonlinear expressivity posse a considerable challenge due to the power efficiency and impaired manipulability in conventional nonlinear materials and optoelectronic conversion. Here we introduce a parallel nonlinear neuromorphic processor that enables arbitrary superposition of information states in multi-dimensional channels, only by leveraging the temporal encoding of spatiotemporal metasurfaces to map the input data and trainable weights. The proposed temporal encoding nonlinearity is theoretically proved to flexibly customize the nonlinearity, while preserving quasi-static linear transformation capability within each time partition. We experimentally demonstrated the concept based on distributed spatiotemporal metasurfaces, showcasing robust performance in multi-label recognition and multi-task parallelism with asynchronous modulation. Remarkably, our nonlinear processor demonstrates dynamic memory capability in autonomous planning tasks and real-time responsiveness to canonical maze-solving problem. Our work opens up a flexible avenue for a variety of temporally-modulated neuromorphic processors tailored for complex scenarios.
- Abstract（参考訳）: ディープラーニングアプリケーションの普及は、低消費電力で高速な計算速度を持つ電子ハードウェアの需要を増大させてきた。
ニューロモルフィック・フォトニクスは、物理空間で高出力情報を直接処理する代替手段として登場した。
しかし、従来の非線形材料における電力効率とマニピュラビリティの低下と光電子変換により、高線形および非線形表現率の同時達成は大きな課題となる。
本稿では,時空間の時空間符号化を利用して入力データとトレーニング可能な重みをマッピングすることで,多次元チャネルにおける情報状態の任意の重ね合わせを可能にする並列非線形ニューロモルフィックプロセッサを提案する。
提案手法は, 時間分割毎に準静的な線形変換能力を保ちながら, 非線形性を柔軟にカスタマイズできることを理論的に証明した。
本研究では,分散時空間準曲面に基づく概念を実験的に実証し,非同期変調によるマルチラベル認識とマルチタスク並列化におけるロバストな性能を示す。
注目すべきは、我々の非線形プロセッサは、自律的な計画タスクにおける動的メモリ能力と、標準迷路解決問題に対するリアルタイム応答性を示すことである。
我々の研究は、複雑なシナリオに適した、時間的に調節された様々なニューロモルフィックプロセッサのための柔軟な道を開く。
関連論文リスト
- Uncovering the Functional Roles of Nonlinearity in Memory [2.315156126698557]
我々は、繰り返しネットワークにおける非線形性の機能的役割を系統的に解明するために、性能比較を超えていく。
ニアリニアリカレントニューラルネットワーク(AL-RNN)を用いて非線形性に対するきめ細かい制御を可能にする。
最小の非線形性は十分であるだけでなく、しばしば最適であり、より単純で、より堅牢で、完全に非線形あるいは線形なモデルよりも解釈可能なモデルが得られる。
論文 参考訳（メタデータ） (2025-06-09T16:32:19Z) - Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。
線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。
数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
論文 参考訳（メタデータ） (2025-04-16T10:39:43Z) - Nonlinear Neural Dynamics and Classification Accuracy in Reservoir Computing [3.196204482566275]
複雑度の異なる人工分類タスクにおける貯水池コンピュータの精度について検討する。
極端に非線形性が低下した活性化関数や弱いリカレント相互作用、小さな入力信号であっても、貯水池は有用な表現を計算することができる。
論文 参考訳（メタデータ） (2024-11-15T08:52:12Z) - Nonlinear Autoregression with Convergent Dynamics on Novel Computational
Platforms [0.0]
貯留層計算は時間情報処理に非線形力学系を利用する。
本稿では、定常およびエルゴードの無限次非線形自己回帰モデルとして出力フィードバックを持つ貯水池コンピュータを紹介する。
論文 参考訳（メタデータ） (2021-08-18T07:01:16Z) - Wave-based extreme deep learning based on non-linear time-Floquet
entanglement [0.7614628596146599]
強い非線形性を必要とする複雑なニューロモルフィック・コンピューティング・タスクは、これまで波動ベース・ソリューションのアウト・オブ・リーチに留まってきた。
本稿では,周波数の異なる信号入力間の強い非線形絡み合いを誘発する時間-浮動小数点物理学の関連性を示す。
エクストリームラーニングマシンと貯水池コンピューティングの手法の有効性を実証し,様々な学習課題を解決する。
論文 参考訳（メタデータ） (2021-07-19T00:18:09Z) - Designing Kerr Interactions for Quantum Information Processing via
Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。
非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。
その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
論文 参考訳（メタデータ） (2021-07-14T15:11:05Z) - Adaptive Latent Space Tuning for Non-Stationary Distributions [62.997667081978825]
本稿では,ディープエンコーダ・デコーダ方式cnnの低次元潜在空間の適応チューニング法を提案する。
粒子加速器における時間変動荷電粒子ビームの特性を予測するためのアプローチを実証する。
論文 参考訳（メタデータ） (2021-05-08T03:50:45Z) - Reservoir Computing with Magnetic Thin Films [35.32223849309764]
新しい非伝統的なコンピューティングハードウェアは、自然現象を利用して効率を上げる可能性を秘めている。
物理貯水池計算は、様々な非伝統的なシステムでこれを実証している。
マイクロスケールシミュレーションにより薄膜の3つの磁性体を初期探査する。
論文 参考訳（メタデータ） (2021-01-29T17:37:17Z) - Accelerating Simulation of Stiff Nonlinear Systems using Continuous-Time
Echo State Networks [1.1545092788508224]
本研究では, 非線形常微分方程式の代用格子を動的に生成するデータ駆動手法を提案する。
加熱システムの物理的に動機付けられたスケーラブルなモデル上で,CTESNを用いたほぼ一定時間の性能を実証的に実証した。
論文 参考訳（メタデータ） (2020-10-07T17:40:06Z) - Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。
暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。
これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文 参考訳（メタデータ） (2020-06-08T09:53:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。